Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing
La competencia entre empresas Fintech en Argentina está creciendo y el principal problema que afrontan es la pérdida de usuarios. Esto lleva a que las empresas tengan que hacer inversiones muy elevadas no sólo en adquirir usuarios, sino también en retenerlos y así prevenir que abandonen la plataf...
Guardado en:
Autor principal: | |
---|---|
Otros Autores: | |
Formato: | Tesis de maestría acceptedVersion |
Lenguaje: | Español |
Publicado: |
Universidad Torcuato Di Tella
2023
|
Materias: | |
Acceso en línea: | https://repositorio.utdt.edu/handle/20.500.13098/11874 |
Aporte de: |
id |
I57-R163-20.500.13098-11874 |
---|---|
record_format |
dspace |
spelling |
I57-R163-20.500.13098-118742023-06-07T07:33:51Z Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing Sierchuk, Sasha Irala, María Eugenia Comportamiento del Consumidor Marketing Predicción tecnológica Machine Learning Retención de clientes La competencia entre empresas Fintech en Argentina está creciendo y el principal problema que afrontan es la pérdida de usuarios. Esto lleva a que las empresas tengan que hacer inversiones muy elevadas no sólo en adquirir usuarios, sino también en retenerlos y así prevenir que abandonen la plataforma. Teniendo esta problemática en mente, el objetivo de esta tesis es desarrollar una estrategia para eficientizar el gasto en la retención de usuarios sin generar variaciones negativas en la métrica de retención. Para esto, vamos a hacer uso de técnicas de Aprendizaje Automático para poder predecir cuál es la probabilidad de que un usuario abandone la plataforma. Con esta probabilidad, vamos a probar una nueva estrategia de retención con el fin de mejorar la estrategia actual de Tap, una Fintech con principal foco en el pago de servicios. El proyecto propuesto pretende establecer una metodología de trabajo que ayude a entender el valor de los resultados de un modelo de Machine Learning en la práctica. En particular, se combinará un modelo predictivo con la implementación de herramientas de Marketing. Como resultado de este estudio, se logró generar una estrategia que resultó en un ahorro del costo de retención del 60% sin notar impactos negativos significativos en la retención. Creemos que la metodología expuesta en este trabajo no solo le agregará valor a la empresa de la cual obtuvimos los datos y con la cual trabajamos, sino que podrá ser aplicada por otras empresas similares dentro de la industria Fintech al enfrentar una problemática tan importante como es hoy la baja retención de usuarios. 2023-06-06T18:24:33Z 2023-06-06T18:24:33Z 2022 info:eu-repo/semantics/masterThesis info:ar-repo/semantics/tesis de maestría info:eu-repo/semantics/acceptedVersion https://repositorio.utdt.edu/handle/20.500.13098/11874 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-sa/2.5/ar/ 68 p. application/pdf application/pdf Argentina Universidad Torcuato Di Tella |
institution |
Universidad Torcuato Di Tella |
institution_str |
I-57 |
repository_str |
R-163 |
collection |
Repositorio Digital Universidad Torcuato Di Tella |
language |
Español |
orig_language_str_mv |
spa |
topic |
Comportamiento del Consumidor Marketing Predicción tecnológica Machine Learning Retención de clientes |
spellingShingle |
Comportamiento del Consumidor Marketing Predicción tecnológica Machine Learning Retención de clientes Sierchuk, Sasha Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing |
topic_facet |
Comportamiento del Consumidor Marketing Predicción tecnológica Machine Learning Retención de clientes |
description |
La competencia entre empresas Fintech en Argentina está creciendo y el principal
problema que afrontan es la pérdida de usuarios. Esto lleva a que las empresas tengan que
hacer inversiones muy elevadas no sólo en adquirir usuarios, sino también en retenerlos y
así prevenir que abandonen la plataforma.
Teniendo esta problemática en mente, el objetivo de esta tesis es desarrollar una estrategia
para eficientizar el gasto en la retención de usuarios sin generar variaciones negativas en
la métrica de retención. Para esto, vamos a hacer uso de técnicas de Aprendizaje
Automático para poder predecir cuál es la probabilidad de que un usuario abandone la
plataforma. Con esta probabilidad, vamos a probar una nueva estrategia de retención con
el fin de mejorar la estrategia actual de Tap, una Fintech con principal foco en el pago de
servicios. El proyecto propuesto pretende establecer una metodología de trabajo que
ayude a entender el valor de los resultados de un modelo de Machine Learning en la
práctica. En particular, se combinará un modelo predictivo con la implementación de
herramientas de Marketing.
Como resultado de este estudio, se logró generar una estrategia que resultó en un ahorro
del costo de retención del 60% sin notar impactos negativos significativos en la retención.
Creemos que la metodología expuesta en este trabajo no solo le agregará valor a la
empresa de la cual obtuvimos los datos y con la cual trabajamos, sino que podrá ser
aplicada por otras empresas similares dentro de la industria Fintech al enfrentar una
problemática tan importante como es hoy la baja retención de usuarios. |
author2 |
Irala, María Eugenia |
author_facet |
Irala, María Eugenia Sierchuk, Sasha |
format |
Tesis de maestría Tesis de maestría acceptedVersion |
author |
Sierchuk, Sasha |
author_sort |
Sierchuk, Sasha |
title |
Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing |
title_short |
Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing |
title_full |
Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing |
title_fullStr |
Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing |
title_full_unstemmed |
Predicción de Churn en Fintech: Una estrategia de retención integradora que utiliza algoritmos de Machine Learning con el objetivo de eficientizar el uso del presupuesto de Marketing |
title_sort |
predicción de churn en fintech: una estrategia de retención integradora que utiliza algoritmos de machine learning con el objetivo de eficientizar el uso del presupuesto de marketing |
publisher |
Universidad Torcuato Di Tella |
publishDate |
2023 |
url |
https://repositorio.utdt.edu/handle/20.500.13098/11874 |
work_keys_str_mv |
AT sierchuksasha predicciondechurnenfintechunaestrategiaderetencionintegradoraqueutilizaalgoritmosdemachinelearningconelobjetivodeeficientizarelusodelpresupuestodemarketing |
_version_ |
1769355028389167104 |